我们正在经历一场依托于智能的商业核聚变。商业大佬们纷纷预言：2019年企业将告别数据储存，转向数据利用时代。由此，商业技术也将迎来新一轮的变革。在这个机会主义时代，精确定位商业方向显得尤为重要。想挖金矿？先瞄准方向吧~

1.机器学习继续成熟，Python成为领军者

机器学习是今年热词之一，其影响正蔓延至零售、金融、汽车等行业。随着可支付的存储空间、处理能力、Gpu优化和广泛可用的开源算法，以及用于培训的深度数据集的集合和改进，现有机器学习技术实现了长足发展。

企业期望数据为其所用，很大程度上是算法控制的机器学习兴起的结果。德勤最近的一项调查显示，该领域的投资正在快速增长，57%的企业加大了对该技术的投入。

2019年，数据科学语言种类不断增加。一个明显的趋势表明，Python将成为机器学习的主导语言，像深度学习库TensorFlow这样基于Python语言的驱动技术会不断增多。

2.数据中心的崛起

近几年，许多大型企业和组织都称自己为数据驱动型机构。他们通常以数据为基础进行全方位自主决策，而不仅仅照搬研究报告里的统计数字。近期研究表明86%的企业要么声称已经实现数据驱动战略，要么称计划将在未来五年内落实该战略。

下一个发展目标将是数据中心，即倾力打造以优质集中数据为核心的企业业务。一切将围绕数据本身进行构建，而不仅仅是遵循目前的竖井式结构。如今的发展趋势与其说是大数据思维式的收集、存储数据，还不如说是按照数据，智能决策行事。数据的收集和存储时代已经过去，现在的重点是如何聪明地利用数据。

虽然GDPR的出台今年放慢了数据分析的步伐，但这对企业来说是很好的机会，可以了解完整数据流，发掘集成数据策略的潜力。所有的个人数据现在都是潜在的商业风险，企业需要准确地了解拥有什么数据，这些数据位于何处，以及如何快速定位这些数据——否则会面临巨额罚款和失去消费者信任的风险。

3.数据科学和商业智能相融合

2019年，越来越多的龙头公司将数据科学与商业智能实践结合起来，为方便他们及时集中地访问企业相关数据。通过数据科学脚本语言一体化的中央数据存储库，数据科学家可以将电脑抛在身后，让各种统计模型都遵从“SPOT”原则。得益于这些技术的结合，c级管理人员可利用可视化BI工具，在任何需要的时候获得自助式报告，而BI工具实质上是利用复杂的数据科学算法来实现这些的。

4.商业智能转为自助式服务

随着数据分析在企业运用中愈加广泛，越来越多的高管和高级职员开始使用商业智能仪表盘为其量身定制针对关键业务指标的最新报告。

除高层外，商业智能报告也影响极大。业务部门的负责人必须从分析层中请求报告，或者每月从商业智能中获取报告。

另一大趋势是，商业智能报告即将转变为自助式服务，所有的工作人员可以及时地获得与其职位相关的最新指标。这都得益于高性能分析数据库中功能更强大、效果更直观的商业智能工具——这些数据库甚至可以毫不费力地处理周一上午的工作量。

Gartner最近的研究支持这一预测。研究表明，数据分析仍在IT和企业投资领域占据最大份额。进一步研究显示85％的公司意识到数据的优势，正积极地向此方向发展，致力于数据的更好利用。

5.数据相关技术持续供不应求之态

数据相关技术仍然是高需求，呈供不应求之势。年初，领英（LinkedIn）发布的年度技术报告中显示，企业最需要的硬技术是云计算，其次是统计分析和数据挖掘。

6.越来越多的数据中心发展成为超大型数据中心，公共云计算日趋呈三足鼎立之势

由于人们越发注重超大型运算的发展，数据中心也有所演化，数据中心得以发展。但是，随着越来越多的工作转向云端，企业遗产系统深陷于基础设备的笨重性难以自拔。

随着数据中心日趋整合发展为超大型云数据中心，保留系统迁移到云计算的压力越来越大，这些棘手的工作量也随之而来。思科预计，到2021年，超大型数据中心的处理能力将占数据中心处理能力的69%，高于目前的41%。

企业日趋转向超大规模的数据中心，亚马逊网络服务、微软Azure和谷歌云平台这三大巨头竞逐公共云市场。这是因为这三家巨头力挫群雄，销量走高。但在中国例外，阿里巴巴公司稳居龙头。

7.分布分类技术驱动创新远行

除了机器学习，区块链——或者说分布式记账是2018年的另一大热词。大笔资金投进初创企业，用以实现这些技术的充分利用。

这一创新将重点围绕应用程序和服务所含价值的传输和存储功能——以比特币为形式的区块链雏形。在诸如Ethereum这样的平台上运行的标记化应用程序，特别是分散化应用程序(dApps)虽然仍处于早期阶段，但是有很大的发展前景。

2019年，分布式账本技术的创新和发展前景将在现实应用中得以实现。

8.散装化为企业混合云助力前行

对企业而言，大部分相对易于迁移至云端的工作量已经转移，而企业遗产系统的转移仍存在重大技术挑战，即该系统在云端环境的运行问题。

而唯一能解决该技术问题的方法就是散装化，应用程序独立运行于云端环境中，而云端环境在操作系统层中是虚拟化的。其优点是，这些散装空间经过专门设计，与遗产系统相匹配，极大减少技术问题，将应用程序的潜在重写最小化。

遗产系统迁移至云空间的计划将在2019年逐步实现，许多人认为2018年末的IBM/Red Hat是IBM为了抢占市场做出的重大战略举措。

9.势不可挡的服务化趋势

服务化是制造商近几年常说的一个新词，随产品附上的服务组件，这个词开始越来越广泛的出现在人们的视野中。其通常与销售飞机发动机、建筑设备或汽车等高价值产品的制造商联系在一起。客户不只是简单地投资资本，而是通过联网设备的数据实现增值服务。

到2019年，创新型初创企业的崛起和成熟企业的服务化会不断推进，创造出巨大的数据流量。举例而言，网络巨头思科预计到2021年，世界上的所有人、机器和其他事物将会产生850兆字节的数据流量。

曼格尔伯格（Mangelberger）就是一个很好的例子。该公司利用自己电器开关制造商的资源与技术背景，建立了能源管理平台。而全球最大的餐饮和零售连锁店正利用该平台大规模优化其能源消耗和运营模式。例如，其数据驱动平台可以根据房间里空闲桌子的数量自动控制餐厅的灯光，除此之外，快餐连锁店还能够通过对比既有食谱，分析联网烤箱的能源使用情况。

10.自然语言处理走进办公室

亚马逊Echo、谷歌Home和苹果(Apple) homepod都将交互辅助设备带到了家中。语音交互首次成为操控设备的主流方式，以设备为中介播放音乐、获取基本信息和管理智能家居设备成为一个重要的发展方向。

然而，这些设备目前还没有对商业有多大帮助。也许到2019年，这些小设备将会应用知企业领域。交互辅助设备会与电子邮件、CRM系统和日志相连接，为简化企业工作进程，提供帮助。